Když tržby rostou, je lákavé vzít to jako potvrzení, že obchod dělá věci dobře. Stejný růst ale může vzniknout třemi různými cestami: e-shop získává víc nových zákazníků, dřívější zákazníci se vracejí častěji, nebo tržby jen dobíhají z báze, kterou obchod nasbíral v minulosti. Každá cesta vede k jinému dalšímu rozhodnutí. Proto růst rozložte na nové a vracející se zákazníky – a nečtěte jen jejich podíl na tržbách. Ten se mění i tehdy, když se chování zákazníků nezměnilo vůbec.
Rozložte růst na čtyři čísla
Tržby za období se dají zapsat jako součet dvou částí:
- noví zákazníci × průměrné tržby na nového zákazníka,
- vracející se zákazníci × průměrné tržby na vracejícího se zákazníka.
Počet vracejících se zákazníků má navíc vlastní rozklad: kolik dřívějších zákazníků obchod má a jaká jejich část v daném období znovu nakoupila. Té části budeme říkat míra návratu. Stejným způsobem – zvlášť získávání zákazníků, jejich nakupování a útratu na objednávku – modeluje hodnotu zákaznické báze i výzkum oceňování e-commerce firem.
Ilustrativní příklad s vymyšlenými čísly, tržby bez DPH:
| 1. pololetí loni | 1. pololetí letos | |
|---|---|---|
| Noví zákazníci | 2 000 | 1 800 |
| Tržby od nových | 2 000 000 Kč | 1 800 000 Kč |
| Dřívější zákazníci na začátku období | 5 000 | 10 000 |
| Z nich znovu nakoupili (míra návratu) | 600 (12 %) | 1 200 (12 %) |
| Tržby od vracejících se | 900 000 Kč | 1 800 000 Kč |
| Tržby celkem | 2 900 000 Kč | 3 600 000 Kč |
| Podíl vracejících se na tržbách | 31 % | 50 % |
Tržby vzrostly o 24 % a podíl vracejících se zákazníků ze třetiny na polovinu. Na první pohled to vypadá jako úspěch věrnosti. Míra návratu se ale nezměnila, útrata na zákazníka také ne. Celý růst vznikl tím, že se báze dřívějších zákazníků zdvojnásobila – a nových zákazníků přitom ubylo o desetinu. Úzkým hrdlem tohoto obchodu není retence, ale získávání. Až se báze přestane zvětšovat, zpomalí i tržby od vracejících se.
Proč podíl vracejících se klame
Báze roste sama. Každý nový zákazník rozšíří zásobu lidí, kteří se mohou vrátit. U mladého e-shopu jsou skoro všichni zákazníci noví, u staršího přirozeně přibývá vracejících se, i když se nikdo nechová jinak.
E-shop nevidí, kdo odešel. Na rozdíl od předplatného zákazník e-shopu neoznámí, že skončil. Obchod proto nemůže s jistotou odlišit toho, kdo odešel, od toho, kdo má jen delší pauzu mezi nákupy. Výzkumníci zákaznické báze na příkladu Amazonu ukazují, že „aktivní zákazník“ vymezený nákupem za posledních 12 měsíců je libovolná hranice: při devíti měsících by báze vypadala menší, přestože skutečná zůstala stejná. Kolik zákazníků je „vracejících se“, tedy závisí i na zvoleném okně.
Starší zákazníci vypadají věrněji. Z každé skupiny zákazníků nejdřív odpadnou ti, kdo mají k návratu nejmenší sklon. Kdo zůstane, vrací se častěji, a proto míra udržení skupiny v čase typicky roste – ne proto, že by se jednotliví zákazníci stali věrnějšími, ale tříděním. Studie pochází z prostředí předplatného, princip ale platí i pro e-shop: srovnávat míru návratu staré báze s mírou návratu čerstvých zákazníků znamená srovnávat různé skupiny, ne různou věrnost.
Růst obvykle nese víc kupujících, ne věrnější kupující
Marketingový výzkum značek k tomu přidává obecnější pozorování. Menší značky mají v daném období mnohem méně kupujících a ti je navíc kupují méně často. Věrnost se tedy pohybuje spolu s velikostí, ne nezávisle na ní. Když značky rostly, v panelových datech z Velké Británie a USA přibylo v průměru mnohem víc kupujících, než vzrostla věrnost, a nejvíc přibylo právě občasných zákazníků. Analýza 24 datových sad ze 17 kategorií v Číně, Malajsii a Indonésii dospěla ke stejnému závěru: růst podílu provázela větší změna počtu kupujících než kterékoli jiné metriky.
Tyto studie se týkají značek rychloobrátkového zboží, ne e-shopů, a nelze je číst jako zákon pro váš obchod. Jako princip jsou ale užitečné: plán, který čeká většinu růstu od toho, že stávající zákazníci začnou nakupovat výrazně víc, stojí na tom, co se v datech mění nejméně. To neznamená, že na návratu nezáleží. Obchod, kterému noví zákazníci po prvním nákupu mizí, platí za každou objednávku znovu. Znamená to jen, že retence málokdy nese růst sama.
Data e-shopu na jednom místě
Korzaro propojuje data e-shopu, abyste měli podklady pro rozhodnutí o zákaznících po ruce.
Než čísla porovnáte, sjednoťte definice
Kdo je jeden zákazník
Počítat zákazníky podle registrovaných účtů je nejpohodlnější a nejméně spolehlivé. Shoptet v seznamu zákazníků nezobrazuje ty, kdo nakoupili bez registrace, a objednávky k účtu přiřazuje podle e-mailu. Kdo opakovaně nakupuje bez registrace, by se podle účtů jevil jako pokaždé nový. Spolehlivější je e-mail z objednávky, sjednocený na malá písmena a bez mezer. Ani ten není dokonalý: člověk se dvěma adresami se započítá dvakrát. Tuto nepřesnost zapište, ne dopočítávejte.
Od kdy máte historii
Když data začínají v lednu, zákazník, který naposledy nakoupil v prosinci, se v lednu jeví jako nový. Prvních několik měsíců historie proto nové zákazníky nadhodnocuje. Srovnávejte jen období, za kterými je dost historie – alespoň tolik, kolik u vás obvykle trvá, než se zákazník vrátí.
Nový uživatel v Google Analytics není nový zákazník
GA4 počítá „nového uživatele“ podle první návštěvy webu a „vracejícího se“ podle předchozí relace. Na webu se přitom opírá o analytickou cookie v prohlížeči; pokud návštěvník souhlas s analytickými cookies odmítne, značky Google je nečtou ani nezapisují. Takový souhlas v EU potřebujete ke všemu, co není technicky nezbytné. Věrný zákazník na novém telefonu je tedy pro GA4 nový uživatel. Pro nové a vracející se zákazníky používejte objednávky, Google Analytics nechte pro trend návštěvnosti.
Co přesně je „vracející se“
Zvolte jednu definici a držte ji: vracející se je zákazník, jehož objednávka v období není jeho první v celé historii. Rozhodněte také, zda počítáte zákazníky, nebo objednávky – zákazník, který v období udělá první i druhý nákup, je jinak nový i vracející se zároveň. Stornované a vrácené objednávky vyřaďte v obou obdobích stejně.
Věrnost měřte na srovnatelných kohortách
Když chcete vědět, zda se zákazníci vracejí lépe než dřív, nesrovnávejte podíl na tržbách, ale skupiny zákazníků podle měsíce prvního nákupu. Pro každou spočítejte, jaká část nakoupila podruhé do zvoleného počtu dní, a srovnávejte jen skupiny, kterým celé toto okno už uplynulo. Délku okna odvoďte z vlastního nákupního rytmu, ne z obecné poučky. A srovnávejte stejnou sezónu: zákazníci z vánočních týdnů se chovají jinak než zákazníci z léta.
Které úzké hrdlo z rozkladu plyne
| Co rozklad ukáže | Pravděpodobné úzké hrdlo | Co ověřit dál |
|---|---|---|
| Nových zákazníků ubývá a ubývá i návštěv nových lidí | Dosah | Které kanály přivádějí méně lidí a proč |
| Nových zákazníků ubývá, návštěvy nových lidí drží | Konverze | Konverzní poměr nových návštěv, dostupnost zboží, ceny a doprava |
| Nových přibývá, míra návratu srovnatelných kohort klesá | Návrat | První zkušenost s objednávkou a odkud noví zákazníci přišli |
| Tržby rostou jen díky vracejícím se při stejné míře návratu | Skrytý dosah | Kolik nových zákazníků je potřeba, aby báze dál rostla |
| Roste počet nových i míra návratu | Žádné zjevné | Zda s růstem roste i marže |
Návštěvy nových lidí z Google Analytics berte kvůli cookies a souhlasům jako trend, ne jako přesný počet. A pokud míra návratu klesá po velké slevové akci, ověřte nejdřív, zda se nezměnilo složení nových zákazníků. Jiná skupina lidí není totéž co horší péče o zákazníky.
Co udělat teď
- Sjednoťte definici zákazníka. Počítejte podle e-mailu z objednávek, ne podle registrací, a zapište si, od kdy historie začíná.
- Spočítejte čtyři čísla za dvě srovnatelná období. Počet nových a vracejících se zákazníků a tržby na každého z nich, bez DPH a se stejným zacházením se storny.
- Doplňte míru návratu. Kolik dřívějších zákazníků v období znovu nakoupilo a jak se vracejí kohorty stejného stáří.
- Vyberte jedno úzké hrdlo podle tabulky a ověřte ho jedním dalším číslem, například návštěvami nových lidí nebo konverzním poměrem.
- Zapište hypotézu s termínem kontroly. Co se má změnit, v kterém čísle a do kdy.